小伙Python爬虫并自制新闻网站,太好玩了

空扰寡人 提交于 2021-02-17 20:43:09


作者豆腐

来源:凹凸数据


大家好,我又来了,我是银牌厨师豆腐!

我们总是在爬啊爬,爬到了数据难道只是为了做一个词云吗?

当然不!这次我就利用flask为大家呈现一道小菜。

Flask是python中一个轻量级web框架,相对于其他web框架来说简单,适合小白练手。使用Flask+爬虫,教大家如何实时展示自己爬下来的数据到网页上。

先给大家展示一下这个丑丑的网页 ↓

(给个面子,别笑

演示三个功能

整个流程就是简单的三步:

  • 爬取数据
  • 利用实时爬取数据生成词云
  • 利用热点推荐新闻

爬虫部分:

这次爬虫主要利用多线程方式爬取新浪新闻+网易新闻所有栏目新闻信息。

一共14个栏目,两个网站的页面信息都是通过ajax加载完成的,请求对应的栏目链接后,返回的字符串是这样的,仔细观察会发现我们要看的新闻内容被包含在data_callback里面

图2

是一个列表样式,

这时候我们就可以用eval函数将这个字符串处理成一个列表格式

def get_wy_teach():
    url = 'https://tech.163.com/special/00097UHL/tech_datalist.js?callback=data_callback'
    headers = {
        'User-Agent''Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36'
    }

    res = requests.get(url=url, headers=headers)
    # print(res.text)
    data = res.text
    data = eval(data.replace('data_callback(','').replace(data[-1],""))

然后下面就可以循环提取出新闻内容了,最后一步就是存储到我们的mysql数据库中

当我们建立好14个栏目的爬虫后,再来编写一个主文件main,利用简单的多线程方法启动14个文件并行爬取14个栏目的新闻

def multi_thread():
    t1 = threading.Thread(target=xzg)
    t2 = threading.Thread(target=xz)

    #......
    
    t13 = threading.Thread(target=wy_hua)
    t14 = threading.Thread(target=wy_chn)

    t1.start()
    t2.start()
    
    #......
    
    t13.start()
    t14.start()

对了,爬虫之后我们还是做了词云的,哈哈哈

点击生成今日热点新闻词云,静待片刻

今日热点词汇

flask部分:

辅材处理完成,现在我们开始做主菜部分。

from flask import Flask,render_template,request

#注册创建app应用,_name_是python预定义变量
app = Flask(__name__)

#跨域请求cors
from flask_cors import CORS

CORS(app, resources=r'/*')

#启动爬虫页
@app.route('/test', methods=['GET'])
def mytest():
    main.multi_thread()
    time.sleep(10)
    return '爬取完成~'

if __name__ == '__main__':
    app.run(debug=True,port=5000)

  • render_template , 用于渲染我们的h5页面
  • app = Flask(__name__) ,这个是flask的必写项,必须先定义模块名,用于设置路由路径(转接4)
  • cors 跨域请求,一般用于ajax请求, CORS(app, resources=r'/*') 定义app路由中所有路径都适用于跨域请求
  • @app.route('/test') ,当你想使用mytest功能时候,设置了/test作用该函数的访问路径。例:http://49.233.23.230:5000/test
  • app.run(debug=True,port=5000) ,最后就是指定监听地址端口为 5000, debug=True 是调试环境,用于生产环境时可更改为Flase。

这样一个个小小的Flask页面接口就完成了

接口写好了,下面我们来搞个h5页面,我们首先来建立一个简单hmtl文件(举例新闻推荐页面)

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<div align="" class="img">
    <h1>今日新闻推荐</h1>
    <div class="img">
        <ul>
          <li> <a href="{{data[0][1]}}">{{data[0][0]}}</a></li>
          <li> <a href="{{data[1][1]}}">{{data[1][0]}}</a></li>
          <li> <a href="{{data[2][1]}}">{{data[2][0]}}</a></li>
          <li> <a href="{{data[3][1]}}">{{data[3][0]}}</a></li>
          <li> <a href="{{data[4][1]}}">{{data[4][0]}}</a></li>
          <li> <a href="{{data[5][1]}}">{{data[5][0]}}</a></li>
          <li> <a href="{{data[6][1]}}">{{data[6][0]}}</a></li>
          <li> <a href="{{data[7][1]}}">{{data[7][0]}}</a></li>
          <li> <a href="{{data[8][1]}}">{{data[8][0]}}</a></li>
          <li> <a href="{{data[9][1]}}">{{data[9][0]}}</a></li>
          <li> <a href="{{data[10][1]}}">{{data[10][0]}}</a></li>
          <li> <a href="{{data[11][1]}}">{{data[11][0]}}</a></li>
          <li> <a href="{{data[12][1]}}">{{data[12][0]}}</a></li>
          <li> <a href="{{data[13][1]}}">{{data[13][0]}}</a></li>
          <li> <a href="{{data[14][1]}}">{{data[14][0]}}</a></li>
          <li> <a href="{{data[15][1]}}">{{data[15][0]}}</a></li>
          <li> <a href="{{data[16][1]}}">{{data[16][0]}}</a></li>
          <li> <a href="{{data[17][1]}}">{{data[17][0]}}</a></li>
          <li> <a href="{{data[18][1]}}">{{data[18][0]}}</a></li>
          <li> <a href="{{data[19][1]}}">{{data[19][0]}}</a></li>

        </ul>
    </div>
    <div class="logo-img">

    </div>
</div>

我们将从数据库中获取到的数据传入到h5文件

#新闻推荐
@app.route('/news')
def news_list():
    data = get_mysql()
    
    return render_template('index4.html', data=data)

复制粘贴20个li方便大家理解我设置今日推荐新闻条数是20条,

你也可以通过自己喜爱算法从数据库选择20条新闻推送的网页

刷新新闻与查看新闻

到这,一个简陋的 Flask 网站就完成了,是不是很简单。

Flask 是个小巧、灵活的web框架,可以让自己决定定制哪些功能,灵活定制组件,非常适用于小型网站。

结语:(网站想要漂亮,还是要学一下h5,别学我)

如果大家想要试试我们的演示网站,或者对源码感兴趣,可以扫描下方二维码,回复“新闻”即可获得

福利时间

安利一本📕:《Python机器学习一本通》此书结合了Python和机器学习两个热门领域,通过易于理解的知识讲解,帮助读者学习和掌握机器学习。点击下图可看详情/购买!👇

感谢北京大学出版社的支持!定价148元的干货技术书!「凹凸数据」🎁 继续 300积分免费兑换啦,阅读原文直达

本文分享自微信公众号 - 凹凸数据(alltodata)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!